Erreurs optimales et transitions de phase

Cette séance de cours traite des erreurs optimales et des transitions de phase dans les modèles linéaires généralisés de grande dimension. Il couvre le concept de modèles linéaires généralisés, limportance de la dimensionnalité élevée, et les diagrammes de phase pour les problèmes destimation. L'instructeur explique le modèle de perceptron de porte symétrique et sa relation avec l'atteinte du seuil minimal de récupération théorique de l'information. En outre, la séance de cours explore le lien entre ces concepts et les algorithmes modernes d’apprentissage automatique, en mettant l’accent sur les comparaisons avec les calculs GAMP et IT.